人工智能是新一轮科技革命和产业变革的重要驱动力量，是研究利用计算机系统实现人类智能的理论、方法和技术的科学。本书系统介绍了人工智能的基本内容和实用技能，主要包括人工智能的发展历程、人工智能首选开发语言Python、线性回归方法、几种主要的分类器、聚类分析算法、个性化推荐、语音识别技术和人脸识别应用等。
本书以培养读者的人工智能素养、人工智能思维和人工智能基础应用能力为设计理念，以问题为导向、以项目为载体、以任务为目标来构建学习内容，突出人工智能的新内容、新技术和新应用。
本书可作为高等院校电子信息、人工智能技术应用等专业相关课程的教材，也可作为人工智能学习与实践的参考书供广大读者使用。

紧跟国家战略，立足行业融合：聚焦人工智能助力高质量发展，呼应国家《新一代人工智能发展规划》和产业变革需求，培养具备AI思维与技能的新时代高素质技术技能人才。
内容全面升级，聚焦实用与前沿：全书全面更新Python及开发环境，新增Anaconda配置与实训指导，更贴合教学实际与初学者需求。
案例贴近行业，项目引领实训：重构线性回归、分类与聚类等核心算法项目，结合智慧工厂、语音合成、目标检测等真实应用，增强实用性与时代性。
突出国产AI技术，强化自主创新认知：新增国产语音合成与YOLOv10目标检测项目，体现我国AI技术实力，增强学生对国产化方案的理解与认同。
第二版凝聚一线反馈，贴合教学需求：广泛采纳高校教师与学生的使用建议，优化结构与内容，提升教学适配性与学习体验。

宋楚平，男，1972年9月出生，1995年于湖北工业大学机电工程专业毕业获工学学士学位，2005年于西安交通大学计算机科学与技术专业毕业获工学硕士学位，现为南京科技职业学院教授。主要研究方向：人工智能及教育信息化。已发表学术论文40余篇，其中EI、中文核心及CSSCI检索10余篇，发明专利2项，出版教材5部。主持完成社科基金、省教育教学重点改革项目等多项。

模块1　人工智能：开启智慧新时代　1
1.1　人工智能的缘起　1
1.1.1　什么是人工智能　1
1.1.2　人工智能的发展历程　2
1.1.3　人工智能的特征及典型应用　6
1.1.4　人工智能伦理　12
1.2　机器学习与深度学习　14
1.2.1　机器学习的含义　14
1.2.2　深度学习的崛起　15
1.2.3　神经网络的魅力　17
1.3　AIGC　17
1.3.1　AIGC的概念　17
1.3.2　AIGC的特征及核心技术　18
1.4　项目小试牛刀：智能制作人工智能发展简史演示文稿　20
1.4.1　提出问题　20
1.4.2　解决方案　21
1.4.3　预备知识　21
1.4.4　任务1拟定一个主题　22
1.4.5　任务2生成和保存演示文稿　23
模块小结　25
课后习题　26
模块2　Python：人工智能开发语言　28
2.1　初识Python　28
2.1.1　Python简介　28
2.1.2　Python的特点及应用领域　29
2.2　Python开发环境搭建　30
2.2.1　安装Python　30
2.2.2　安装Anaconda　32
2.2.3　浅尝Python　34
2.3　Python编程基础　36
2.3.1　变量　36
2.3.2　分支结构　36
2.3.3　循环结构　38
2.3.4　组合数据类型　40
2.4　NumPy库基础应用　42
2.4.1　求解三元一次方程　42
2.4.2　数组计算　44
2.4.3　向量化处理　45
2.5　Matplotlib库基础应用　46
2.5.1　绘制柱状图　47
2.5.2　绘制散点图　48
2.6　项目1精准扶贫计划　50
2.6.1　提出问题　50
2.6.2　解决方案　50
2.6.3　预备知识　50
2.6.4　任务1从键盘输入方程的系数　50
2.6.5　任务2调用roots函数求解方程　51
2.7　项目2解读我国第 一、第二、第三产业的GDP发展趋势　51
2.7.1　提出问题　51
2.7.2　解决方案　52
2.7.3　预备知识　52
2.7.4　任务1读取GDP数据并观察数据结构　52
2.7.5　任务2绘制GDP数据的折线图　53
模块小结　54
课后习题　54
模块3　线性回归：预测未来趋势　57
3.1　认识机器学习　57
3.1.1　机器如何学习　57
3.1.2　机器学习算法　58
3.2　认识线性回归　60
3.2.1　线性回归的数学表达式　60
3.2.2　线性回归的几个概念　60
3.2.3　梯度下降法　62
3.3　项目1预测二手车价格　63
3.3.1　提出问题　63
3.3.2　解决方案　63
3.3.3　预备知识　64
3.3.4　任务1构建训练集和测试集　65
3.3.5　任务2模型的构建与训练　67
3.3.6　任务3模型的测试及评估　68
3.4　项目2预测投保人医疗费用　70
3.4.1　提出问题　70
3.4.2　解决方案　70
3.4.3　预备知识　71
3.4.4　任务1加载数据并进行数据预处理　73
3.4.5　任务2训练和测试医疗费用预测模型　74
3.4.6　任务3进一步改善模型性能　76
模块小结　78
课后习题　79
模块4　分门别类：帮你分而治之　81
4.1　分类器　81
4.1.1　什么是分类器　81
4.1.2　分类器如何工作　82
4.2　几种主要的分类器　82
4.2.1　决策树　82
4.2.2　贝叶斯分类器　83
4.2.3　k近邻分类器　84
4.2.4　支持向量机　85
4.2.5　神经网络　85
4.3　项目1识别猫狗　86
4.3.1　提出问题　86
4.3.2　解决方案　86
4.3.3　预备知识　86
4.3.4　任务1将图像信息转存为向量　89
4.3.5　任务2批量生成样本数据　90
4.3.6　任务3构建KNN模型　91
4.3.7　任务4训练KNN模型　91
4.3.8　任务5评估模型效果　92
4.3.9　拓展任务　94
4.4　项目2辅助诊断乳腺癌　95
4.4.1　提出问题　95
4.4.2　解决方案　96
4.4.3　预备知识　96
4.4.4　任务1构建训练集和测试集　98
4.4.5　任务2构建和训练模型　99
4.4.6　任务3评估模型诊断效果　100
4.4.7　拓展任务　101
模块小结　102
课后习题　103
模块5　物以类聚：发现新簇　105
5.1　聚类分析　105
5.1.1　何为聚类分析　105
5.1.2　常见聚类方法　107
5.1.3　聚类性能度量　107
5.2　k均值聚类　108
5.2.1　k均值算法　108
5.2.2　k均值算法应用提示　109
5.3　项目1探究企鹅物种的分类　110
5.3.1　提出问题　110
5.3.2　解决方案　110
5.3.3　预备知识　111
5.3.4　任务1样本数据的预处理　114
5.3.5　任务2确定企鹅物种数量k的最佳值　116
5.3.6　任务3绘制企鹅聚类后的散点图　118
5.4　项目2电商客户分类　120
5.4.1　提出问题　120
5.4.2　解决方案　120
5.4.3　预备知识　120
5.4.4　任务1选择最佳的客户群分类数目k　123
5.4.5　任务2计算3类客户的RFM平均值　125
5.4.6　任务3为3类客户提出营销建议　126
模块小结　128
课后习题　128
模块6　个性化推荐：主动满足你的需求　130
6.1　认识个性化推荐　130
6.1.1　个性化推荐的思路　130
6.1.2　推荐算法分类　132
6.1.3　推荐效果评估　139
6.2　项目1推荐你喜爱的电影　141
6.2.1　提出问题　141
6.2.2　解决方案　142
6.2.3　预备知识　142
6.2.4　任务1合并电影基本信息和评分记录　144
6.2.5　任务2找到与某个用户最相似的n个用户　145
6.2.6　任务3给某个用户推荐m部电影　147
6.3　项目2推荐你要一起购买的商品　148
6.3.1　提出问题　148
6.3.2　解决方案　148
6.3.3　预备知识　149
6.3.4　任务1将CSV文件数据转换为事务型数据　152
6.3.5　任务2找出购物清单中频繁被购买的商品　153
6.3.6　任务3提取有用的销售关联规则　155
模块小结　156
课后习题　156
模块7　语音识别：让机器对你言听计从　159
7.1　语音识别　159
7.1.1　语音识别简史　159
7.1.2　语音识别过程　160
7.2　深度神经网络　164
7.2.1　深度神经网络基础　164
7.2.2　卷积神经网络　165
7.3　项目1利用卷积神经网络识别英文语音数字　168
7.3.1　提出问题　168
7.3.2　解决方案　168
7.3.3　预备知识　168
7.3.4　任务1提取音频文件的语音特征数据　174
7.3.5　任务2构建语音数字识别神经网络模型　175
7.3.6　任务3利用训练好的模型来识别语音　177
7.4　项目2自制一个简单的语音阅读器　178
7.4.1　提出问题　178
7.4.2　解决方案　179
7.4.3　预备知识　179
7.4.4　任务1读取需阅读的文件内容　182
7.4.5　任务2验证访问语音合成应用的令牌　183
7.4.6　任务3调用文本在线合成API实现文本语音转换　184
模块小结　186
课后习题　186
模块8　人脸识别：机器也认识你　188
8.1　人脸识别基础　188
8.1.1　人脸识别技术发展简史　188
8.1.2　人脸识别系统　189
8.1.3　人脸识别关键技术　191
8.2　认识OpenCV　193
8.2.1　OpenCV的框架结构　193
8.2.2　OpenCV中的人脸分类器　194
8.3　项目1照片智能搜索　196
8.3.1　提出问题　196
8.3.2　解决方案　196
8.3.3　预备知识　196
8.3.4　任务1训练人脸识别模型　201
8.3.5　任务2利用训练好的模型来搜索照片　202
8.4　项目2安全帽检测赋能安全管理　203
8.4.1　提出问题　203
8.4.2　解决方案　203
8.4.3　预备知识　204
8.4.4　任务1准备训练模型用的样本集　209
8.4.5　任务2训练YOLOv10模型　210
8.4.6　任务3检测视频中的人员是否佩戴安全帽　212
模块小结　213
课后习题　214
参考文献　216